财报精读：一手资料深度解读
像巴菲特和李录一样读财报，只读一手资料，不看二手研报，输出可执行的投研结论。
证据：SKILL.md 要求使用共享工具，未发现恶意代码或权限滥用；有 SECURITY.md 报告漏洞渠道，MIT 许可证。扣分：未明确确认机制，未指明工具权限范围，依赖外部数据源的供应链风险未缓解；不满足最高分。
证据：流程清晰，提供具体命令和工具；存在测试文件但未验证。扣分：静态审查无法执行，测试覆盖不足，异常处理不完整；最高只能给 7。
证据：明确说明适用场景和输入格式，提及中国数据源（巨潮资讯等）。扣分：对中国大陆网络可达性讨论不足，对无法访问海外数据源的降级方案不明确；核心功能依赖海外服务。
证据：SKILL.md 有清晰结构和生成说明，MIT 许可证。扣分：无版本号/changelog，已知限制未充分披露，维护责任不明确；扣分。
证据：报告结构和输出要求明确，有数据校验步骤。扣分：静态审查无法验证输出质量，依赖外部数据源，边际价值证据不足；最高给 6。
证据：有测试文件但未执行，报告可复现性未验证。扣分：静态审查无法独立验证，测试覆盖有限，第三方证据不足；最高给 4。
- 核心功能依赖海外数据源（SEC EDGAR、Seeking Alpha、macrotrends 等），中国大陆用户可能无法直接访问，需评估替代方案。
- 未提供明确的用户确认机制，运行工具可能产生超出预期的操作，建议在受控环境中使用。
- 静态审查无法验证工具和流程的有效性，建议在真实环境中测试后再投入生产使用。
- 仓库实体业绩截图（2024/2025收益）属于宣传材料，不可作为可靠性或有效性的证据。
这个 Skill 能做什么，适合哪些场景？
本技能将巴菲特、芒格、段永平、李录的价值投资方法论结构化，用于深度精读公司财报（年报、季报、电话会纪要）。它强调从一手资料获取数据，避免二手信息的筛选与时滞，通过严格的财务验证、管理层语气分析和附注挖掘，最终产出一份结构化的精读报告，并给出明确的投资判断（超/符/低预期）与操作建议。
该技能执行一套八步流程：1）对资料可得性进行A/B/C评级；2）并行获取财报原文、电话会纪要、股东信等一手资料；3）提取并交叉验证核心财务数据（收入、利润、现金流、资产负债表），使用 tools/financial_rigor.py 进行精确计算和单位校验；4）精读管理层讨论（MD&A），分析语气信号，追踪上期承诺兑现情况，摘录电话会Q&A；5）挖掘财报附注中的隐藏信息（关联交易、股权激励、或有负债、会计政策变更等）并检测异常信号（如应收增速>收入增速）；6）与历史数据和管理层指引对比，形成趋势判断；7）按照固定模板输出精读报告（含核心速览、三大变化、管理层语气、隐藏信息、关键问题、投资逻辑影响、结论），并明确回答四个决策问题；8）通过 tools/report_audit.py 进行数据抽检，生成准出或打回判决。报告最终保存为 reports/{公司名}-earnings-{期间}.md。
- 个人投资者在财报季想要快速、深度地读懂一家公司的最新季报或年报，而不是依赖券商研报的二手摘要。
- 价值投资者在做出加仓、持有或减仓决策前，需要对持仓公司的财报进行系统化的全面审查，特别是现金流质量和管理层可信度。
- 研究分析师（如卖方或买方）用AI辅助方式，对多家公司进行统一标准的财报对比分析，确保评分和结论的可比性。
- 基金经理或投资组合经理在季度末评估投资论文是否依然成立，需要的是能够回答'这份财报改变了什么？'的深度分析。
- 对上市公司进行长期跟踪的投资者，希望追踪管理层上期承诺的兑现情况，以此评估管理层可靠性。
这个 Skill 有哪些优点和局限？
- 强制使用一手资料，避免二手信息的筛选与时滞，贴近价值投资原教旨。
- 内置多层防错机制：A/B/C资料评级、多源交叉验证、精确十进制计算（防心算错误）、数据抽检准出流程。
- 输出结构化报告，包含明确的投资结论（超/符/低预期）和操作建议（加仓/持有/减仓），可直接用于决策。
- 整合四位大师方法论，从商业模式、护城河、逆向思维、长期确定性等多角度审视。
- 提供可复现的研究流程，便于横向对比多家公司，或纵向跟踪同一公司的变化。
- 依赖外部数据源（公司IR、SEC EDGAR、港交所、巨潮资讯等）的可用性，若一手资料获取失败，分析质量下降且需标注。
- token消耗较高，因为要进行多轮研究、多Agent并行和交叉验证，不适合低成本场景。
- 报告结构和严谨性依赖用户安装正确的工具（如Python脚本），需要一定的技术背景。
- 没有内置测试套件，工具的可靠性依赖社区验证，可能存在未发现的bug。
- 技能设计强调'读原文'，对于非中文/英文市场（如日本、欧洲）的财报，可能因语言障碍而受限。
如何安装这个 Skill？
安装整个 AI Berkshire 仓库：git clone https://github.com/xbtlin/ai-berkshire.git。然后按客户端安装：Codex 用户运行 ./scripts/install-codex-skills.sh（macOS/Linux）或 .\scripts\install-codex-skills.bat（Windows），该脚本会将该技能（codex-skills/earnings-review/SKILL.md）生成并安装到 ~/.codex/skills。Claude Code 用户运行 ./scripts/install-claude-commands.sh（或 .bat）。
如何使用这个 Skill？
安装后重启 Codex，然后直接在对话中描述任务，例如：'使用 earnings-review 分析 PDD 2025年报'或'使用财报精读 分析腾讯 2025Q4'。技能会以当前日期为基线，自动获取一手资料，运行财务验证工具，并生成报告到 reports/ 目录。
这个 Skill 与同类方案有什么区别？
与其他AI投研工具（如直接问Claude或ChatGPT）相比，本技能的关键差异在于：1）强制一手资料而不是二手摘要；2）结构化验证流程（精确计算、多源交叉）而非依赖LLM心算；3）明确结论和操作建议，而非'一方面...另一方面'的平衡分析。相对于仓库内的其他技能（如/earnings-team），本技能是单Agent版本，而/earnings-team是多Agent并行且包含公众号发布流程。